学科: 计算机科学与技术

本文介绍了一种名为Merlin的新AI模型，它能像医生一样‘看懂’CT扫描图像并理解相关医学文字描述。该模型可帮助放射科医生更快更准地分析肺部等器官的病变，提升疾病早期发现能力。

标签: CT影像分析 医学基础模型 多模态AI 放射科人工智能 视觉-语言模型

本文提出一种基于机器学习的全球气溶胶-气象预报系统（AI-GAMFS），可在1分钟内完成未来5天、每3小时一次的气溶胶光学特性与地表浓度预报，精度优于现有国际主流模型，尤其在沙尘暴和野火污染预警方面表现突出。

标签: AI气象系统 机器学习 气溶胶预报 沙尘暴预警 空气质量预测

德国维尔茨堡大学科学家造出迄今最小的OLED像素——仅300纳米见方，亮度却媲美传统5微米像素。它能让1920×1080高清画面缩进1平方毫米内，未来可嵌入眼镜架甚至隐形眼镜，为AR/VR设备带来超微型显示新可能。

标签: 光学天线 增强现实显示 导电细丝 有机发光二极管 纳米OLED像素

Evo2是一种新型AI模型，能读懂、理解并生成DNA、RNA和蛋白质序列。它从海量生物基因数据中学习，已成功设计出类似生殖支原体、人类线粒体和酵母染色体的基因组草案，是迈向‘人造生命’的重要一步，但离真正造出可存活的合成微生物还有距离。

标签: DNA语言模型 Evo2模型 人工智能基因组设计 合成生命 生殖支原体

腹部CT扫描量大而放射科医生紧缺，亟需智能辅助工具。本研究推出‘梅林’（Merlin）——首个专为腹部CT设计的3D视觉-语言大模型，能同时分析三维影像、电子病历和报告，无需人工标注即可训练，显著提升诊断、预后评估与报告生成等能力，助力医生减负并支持疾病风险预测。

标签: 三维医学影像分析 基础模型 放射科人工智能 腹部CT 视觉-语言模型

本文揭示了反铁磁材料锰锡（Mn₃Sn）中两种不同的超快自旋翻转机制：强电流靠发热驱动，弱电流则几乎不产热即可翻转。这为开发更快速、更节能的下一代计算与通信器件提供了新可能。

标签: 反铁磁材料 无热翻转 自旋电子学 超快自旋翻转 锰锡

埃默里大学物理学家提出一种新框架，将纷繁复杂的AI方法系统化，像‘元素周期表’一样分类整理。它帮开发者根据具体问题，快速设计更准、更省、更可靠的AI模型，普通人也能看懂：AI不是黑箱，而是可理解、可调控的信息压缩工具。

标签: AI可解释性 信息瓶颈 多模态AI 损失函数 物理启发的机器学习

本文介绍了一种名为Evo 2的新型生物基础模型。它通过学习来自所有生命域（细菌、古菌、真核生物等）的9万亿个DNA碱基对，能不依赖任务微调就准确预测基因突变的影响（如致病性变异、BRCA1基因变异），并生成高度自然的线粒体、原核和真核DNA序列，还可设计可控的染色质开放区域。

标签: DNA序列生成 基因组AI 染色质设计 生物基础模型 零样本预测

人类智力并非来自某个脑区，而是源于全脑网络的高效协同与动态整合。本研究通过分析831名成年人的脑成像数据，证实智力取决于不同脑网络如何灵活连接、分工协作并统一处理信息，为理解‘统一心智’的形成提供了新视角。

标签: 全脑协调 认知灵活性

本文讨论开源人工智能模型（参数公开）作为科研基础设施的价值与风险：它促进公平获取、加速验证，但也易被篡改、移除安全防护，导致滥用更难监管和追溯。

标签: 人工智能治理 开放权重模型 模型滥用风险 科研基础设施